Resumen

La detección en tiempo real de frutas en entornos de huertos es una de las técnicas cruciales para muchas aplicaciones de agricultura de precisión, incluyendo la estimación de rendimiento y la cosecha automática. Debido a las condiciones complejas, como diferentes períodos de crecimiento y la oclusión entre hojas y frutas, detectar frutas en entornos naturales es un desafío considerable. En este artículo se propone un método rápido de reconocimiento de cítricos mejorando el detector de última generación You Only Look Once versión 4 (YOLOv4). Se utilizó una cámara Kinect V2 para recolectar imágenes RGB de árboles de cítricos. Luego se utilizaron los algoritmos Canopy y K-Means++ para seleccionar automáticamente el número y tamaño de los fotogramas previos a partir de estas imágenes RGB. Se propuso una estructura de red YOLOv4 mejorada para detectar mejor cítricos más pequeños en fondos complejos. Finalmente, el modelo de red entrenado se utilizó para un entrenamiento escaso, podando canales o cap

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Detección; Frutas; Ambientes de huertos; Agricultura de precisión; Detector YOLOv4; Cítricos
• Keywords:Detection; Fruits; Orchard environments; Precision agriculture; YOLOv4 detector; Citrus